Analisis Sentimen Masyarakat Terhadap Fenomena #Kaburajadulu Menggunakan Metode Random Forest
Tahun 2025 · Penulis: Hamdan Adnandar Wishol
Faculty of Computer Science, Universitas Jember
Abstrak
Teks yang dipakai untuk pengindeksan BM25 dan IndoSBERT
Media sosial saat ini menjadi sarana penting bagi masyarakat dalam menyampaikan opini, termasuk mengkritisi kondisi sosial, ekonomi, dan politik di Indonesia. Salah satu fenomena yang ramai diperbincangkan di platform X (sebelumnya dikenal sebagai Twitter) adalah tagar #KaburAjaDulu. Tagar ini menggambarkan keinginan masyarakat, khususnya generasi muda, untuk mencari peluang yang lebih baik di luar negeri karena merasa kurang puas dengan situasi dalam negeri. Penelitian ini bertujuan untuk menganalisis sentimen masyarakat terhadap fenomena tersebut dengan menggunakan Indonesian Sentiment Lexicon (InSet) dan metode klasifikasi Random Forest. Data yang dianalisis dikumpulkan melalui proses crawling menggunakan Tweet Harvest, menghasilkan sebanyak 5.033 tweet yang diambil pada periode 12 Maret 2025 hingga 1 Juni 2025. Penelitian ini melalui beberapa tahapan, mulai dari pengumpulan data, preprocessing data yang mencakup case folding, cleansing, tokenization, normalization, stopword removal, dan stemming, hingga pelabelan sentimen dengan InSet Lexicon. Proses pembobotan dilakukan menggunakan metode Term Frequency-Inverse Document Frequency (TF-IDF), sedangkan penyeimbangan distribusi data dilakukan dengan teknik Synthetic Minority Over-sampling Technique (SMOTE). Selanjutnya, implementasi model menggunakan algoritma Random Forest Classifier dengan skenario pembagian data 90:10, 80:20, 70:30, dan 60:40, serta dievaluasi menggunakan Confusion Matrix dan perhitungan akurasi, presisi, recall, dan f1-score. Hasil penelitian menunjukkan bahwa mayoritas tweet tentang fenomena #KaburAjaDulu mengandung sentimen negatif, yaitu sebanyak 3.880 tweet. Model Random Forest yang dibangun dalam penelitian ini mampu memberikan performa terbaik dengan akurasi mencapai 84.3% pada rasio pembagian data 90:10 dan mampu mengklasifikasikan ketiga jenis sentimen secara seimbang. Penelitian ini diharapkan dapat menjadi referensi bagi penelitian sejenis di masa depan serta menjadi acuan bagi pemerintah dalam mengambil kebijakan untuk mengurangi kecenderungan brain drain yang disebabkan oleh ketidakpuasan masyarakat terhadap kondisi dalam negeri.
Dokumen Serupa
Berdasarkan kemiripan vektor embedding IndoSBERT (cosine similarity).
- Cosine 0,800
Tahun 2026 · Penulis: Shafa Kamila
Analisis Sentimen Berbasis Aspek terhadap Pilkada Jember 2024 Menggunakan Model IndoBERT dan Algoritma LDA
Dinamika politik yang mengarah ke Eleksi Jember Regional 2024 memicu lonjakan signifikan opini publik di YouTube dan platform TikTok. Bahasa media sosial yang tidak resmi, termasuk bahasa slang, singkatan, dan dialek campuran, menghadirkan tantangan analisis m
- Cosine 0,796
Tahun 2025 · Penulis: Bayu Dwi Satrio Utomo
Analisis dan Klasifikasi Sentimen Menggunakan Metode SVM, Naive Bayes, dan Random Forest (Studi Kasus: RUU Pilkada)
Analisis sentimen adalah metode untuk mengidentifikasi dan mengklasifikasikan opini publik terhadap suatu topik berdasarkan teks yang diungkapkan di media sosial atau platform digital lainnya. Sentimen yang diekspresikan dapat dikategorikan menjadi positif, ne
- Cosine 0,796
Tahun 2026 · Penulis: Darojatul Alya Anwar
Analisis Sentimen Pengguna X Terhadap Penetapan UKT di Indonesia Menggunakan Metode Support Vector Machine
Analisis sentimen merupakan salah satu teknik dalam pengolahan bahasa alami (Natural Language Processing) yang bertujuan untuk mengelompokkan opini atau pandangan masyarakat ke dalam kategori sentimen positif, negatif, dan netral. Teknik ini digunakan untuk me